RV模型是干嘛的？RV模型即說白的長記憶高斯向量自進入虛空對數(shù)實際波動率模型；另外用第T日的實際波動率分別和VAR—RV及GARCH(1，1)憑借直到此時T一1日的信息預(yù)測第T日的波動率的結(jié)果也很，發(fā)

RV模型是干嘛的？

RV模型即說白的長記憶高斯向量自進入虛空對數(shù)實際波動率模型；

另外用第T日的實際波動率分別和VAR—RV及GARCH(1，1)憑借直到此時T一1日的信息預(yù)測第T日的波動率的結(jié)果也很，發(fā)現(xiàn)VAR—RV的預(yù)測精度遠優(yōu)于GARCH(1，1)的預(yù)測精度。

畢竟GARCH(1，1)要用的是直到T一1日的日收益平方，而VAR—RV借用的更是等到T一1日的日內(nèi)收益數(shù)據(jù)，它是基于條件長記憶的動態(tài)模型。

這是它遠遠優(yōu)于前者的關(guān)鍵。

GARCH(1，1)模型在分析預(yù)測精度方面的不足并不是模型本身的錯，完全是在日收益中的噪聲令GARCH模型在預(yù)測國家方面越發(fā)不從心，反過來卻體現(xiàn)出來了用日內(nèi)數(shù)據(jù)來分析和預(yù)測波動率的功效。

很顯然ABDL(2001a)強調(diào)“后的變動理論揭示：在適當?shù)臈l件下，RV不但是日收益波動的無偏肯定量，但漸進式地沒有度量誤差?！?/p>

VAR方法的VaR模型的優(yōu)點？

VAR，也即Vectorautoregressionmodel，中文名字就是向量自重臨模型。簡單說來，那是用模型刻劃向量之間的類比推理。這就做引線了VAR的適用前提：

①能接受回歸，恐怕特別要求數(shù)據(jù)平穩(wěn)下來，不然會突然發(fā)生偽回歸；

②回歸在向量之間發(fā)生了什么，向量之間肯定需要存在地是有的關(guān)系（統(tǒng)計計算意義上的因果關(guān)系），那你就那些要求通過格蘭杰因果檢驗。而格蘭杰因果實驗檢測的前提要求數(shù)據(jù)平穩(wěn)下來，因此要先進行穩(wěn)當性檢驗。所以僅僅從VAR的定義來看，就是可以確定的是，要先進行穩(wěn)當性檢驗，數(shù)據(jù)平穩(wěn)下來（不平平穩(wěn)穩(wěn)進行載波相位）再進行格蘭杰因果檢驗。當然，格蘭杰因果檢驗另外具體的要求可以確定滯后階數(shù)，明顯滯后階數(shù)的判斷就比較比較仁者見仁智者見智了，有些做法甚至連再做出初始的VAR進行可以確定（如果事前認為因果檢驗是后成立的，這樣做也并無不可）。那么做成什么的VAR模型有沒就好了呢？也不全是。因為在時間序列模型中，修真者的存在協(xié)整那樣一個調(diào)整長期平衡關(guān)系的概念，轉(zhuǎn)換到VAR中來，如果不是數(shù)據(jù)本身不穩(wěn)當，但似是是同階單整，這樣的話按照建立起誤差修正模型（ECM），就是可以以至于模型乾坤二卦長期平衡的信息，最終達到完善模型。只不過ECM在VAR中改名換姓，改叫向量誤差修正模型（VEC）了。模型的構(gòu)造也基本是結(jié)束，簡單啊系統(tǒng)的總結(jié)再看看應(yīng)該是：是需要并且平平穩(wěn)穩(wěn)性檢驗。如果不是平穩(wěn)，則接受格蘭杰因果檢驗；要是不平穩(wěn)，差分后平穩(wěn)，則對差分數(shù)據(jù)接受格蘭杰因果檢驗，同樣的為了體系模型，如果沒有數(shù)據(jù)是同階單整的，則參與協(xié)整檢驗（此時協(xié)整和格蘭杰互不影響，而這個可以可交換順序）。在模型構(gòu)建能完成之后，如何能評判模型的優(yōu)劣呢？用AR根對VAR模型的平順性參與判斷，這也就是模型的結(jié)果一步。